豆伴(Tofu):豆瓣数据备份扩展完全指南
豆伴(Tofu)是一款专为豆瓣用户设计的Chrome浏览器扩展程序,核心功能是帮助用户备份豆瓣账号中的各类数据,包括电影评分、书籍评论、关注列表等,并支持将这些数据导出为Excel文档。无论是担心账号数据丢失,还是需要本地留存个人历史记录,这款工具都能满足你的需求。特别适合经常使用豆瓣记录生活、分享观点的用户,让你的数字足迹得到安全保存。
解析核心目录树
📌 项目结构概览
豆伴项目采用清晰的目录结构,主要分为两大模块:扩展程序核心代码和辅助资源文件。以下是简化后的目录树及功能说明:
| 目录/文件路径 | 功能说明 |
|---|---|
chrome/ |
存放Chrome扩展程序的所有相关文件,是项目的核心目录 |
├─ extension/ |
扩展程序的核心代码目录,包含所有功能实现 |
│ ├─ services/ |
服务层代码,处理后台任务、数据队列等核心逻辑 |
│ ├─ tasks/ |
具体数据备份任务的实现,如电影、书籍、关注列表等不同类型数据的处理 |
│ ├─ ui/ |
用户界面组件代码,负责扩展的交互界面渲染 |
│ ├─ background.js |
扩展的后台脚本,负责处理长时间运行的任务和事件监听 |
│ └─ manifest.json |
扩展的配置文件,定义扩展的名称、权限、脚本等关键信息 |
└─ resource/ |
存放扩展所需的图片、说明文档等资源文件 |
核心组件详解
🔧 关键文件功能解析
manifest.json(扩展程序身份证文件)
这个文件就像扩展的"身份证",告诉Chrome浏览器这个扩展叫什么名字、需要哪些权限、怎么运行。其中最核心的部分包括:
- 权限声明:比如"activeTab"允许扩展临时访问当前激活的标签页,"storage"则用于在浏览器中存储备份数据
- 背景脚本配置:指定
background.js作为后台运行的脚本,确保即使扩展界面关闭,备份任务也能继续
background.js(后台指挥官)
作为扩展的"后台指挥官",它负责协调各种任务的执行。当你点击扩展图标开始备份时,就是由这个文件来调度具体的备份任务,处理数据的读取和存储,确保整个过程在后台顺利进行,不会影响你浏览网页。
tasks/目录(数据采集员)
这个目录下的文件就像一个个"数据采集员",每个文件对应一种类型的数据备份。比如annotation.js负责处理你的电影、书籍评分和评论,follower.js专门备份你的关注列表。它们各司其职,确保不同类型的数据都能被准确收集。
📝 用户界面组件
扩展的交互界面主要由ui/目录下的文件实现,包括导航栏、通知提示、分页控件等。这些组件让你可以直观地操作备份任务,查看备份进度,就像使用普通应用程序一样简单。
操作指南
🔧 安装扩展程序
- 首先需要获取项目代码,打开终端,执行以下命令克隆仓库:
git clone https://gitcode.com/gh_mirrors/tofu1/tofu - 打开Chrome浏览器,在地址栏输入
chrome://extensions/进入扩展管理页面 - 开启右上角的"开发者模式",然后点击"加载已解压的扩展程序"
- 选择克隆下来的项目中的
chrome/extension/目录,完成安装
开始你的第一次数据备份
安装完成后,你会在Chrome的工具栏看到豆伴的图标。点击图标,按照以下步骤进行备份:
- 在弹出的菜单中选择"新建任务"
- 勾选你想要备份的数据类型,比如"影/音/书/游"、"关注"、"日记"等
- 点击"新建"按钮,扩展会自动开始备份数据
这个界面显示了各个数据类型的备份进度,绿色进度条表示正在备份的项目,灰色表示待备份。你可以随时查看备份状态,等待所有进度条完成即可。
导出Excel文档
备份完成后,你可以将数据导出为Excel文档保存到本地:
- 点击扩展图标,选择"浏览备份"
- 在备份列表中选择你刚完成的备份任务
- 点击"导出"按钮,会弹出导出选项窗口
在这个窗口中,你可以选择要导出的数据项目,默认全选所有内容。点击"导出"后,扩展会生成Excel文件并自动下载到你的电脑中。
常见问题解答
如果你在使用过程中遇到问题,可以查看扩展的帮助页面:
这里列出了一些常见问题,比如"备份过一次后,如果豆瓣上的内容被删除了,下次备份后数据还保留吗?"答案是所有已备份的数据都不会因为多次备份而被清除,灰色项目表示该内容在豆瓣上已删除。
通过以上步骤,你就可以轻松使用豆伴备份和管理你的豆瓣数据了。无论是为了数据安全,还是为了保留珍贵的个人记录,豆伴都是你的得力助手。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00


